1 . 某企业近年来的广告费用（百万元）与所获得的利润（千万元）的数据如下表所示，已知与之间具有线性相关关系．

年份	2018	2019	2020	2021	2022
广告费用百万元	1.5	1.6	1.7	1.8	1.9
润千万元	1.6	2	2.4	2.5	3

(1)求关于的线性回归方程；
(2)若该企业从2018年开始，广告费用连续每一年都比上一年增加10万元，根据（1）中所得的线性回归方程，预测2025年该企业可获得的利润．
参考公式：．

2 . 偏差是指个别测定值与测定的平均值之差，在成绩统计中，我们把某个同学的某科考试成绩与该科班平均分的差叫某科偏差，在某次考试成绩统计中，某老师为了对学生数学偏差x（单位：分）与物理偏差y（单位；分）之间的关系进行分析，随机挑选了8位同学，得到他们的两科成绩偏差数据如下：

学生序号	1	2	3	4	5	6	7	8
数学偏差x	20	15	13	3	2
物理偏差y	6.5	3.5	3.5	1.5	0.5

(1)若x与y之间具有线性相关关系，求y关于x的线性回归方程；
(2)若该次考试数学平均分为90分，物理平均分为80分，试由（1）的结论预测数学成绩为128分的同学的物理成绩．
参考公式：线性回归方程的斜率和截距的最小二乘法估计公式分别为，．
参考数据：，．

3 . 大学生刘铭去某工厂实习，实习结束时从自己制作的某种零件中随机选取了10个样品，测量每个零件的横截面积（单位：）和耗材量（单位：），得到如下数据：

样本号	1	2	3	4	5	6	7	8	9	10	总和
零件的横截面积	0.03	0.05	0.04	0.07	0.07	0.04	0.05	0.06	0.06	0.05	0.52
耗材量	0.24	0.40	0.23	0.55	0.50	0.34	0.35	0.45	0.43	0.41	3.9

并计算得．
(1)估算刘铭同学制作的这种零件平均每个零件的横截面积以及平均一个零件的耗材量；
(2)求刘铭同学制作的这种零件的横截面积和耗材量的样本相关系数（精确到0.01）；
(3)刘铭同学测量了自己实习期制作的所有这种零件的横截面积，并得到所有这种零件的横截面积的和为，若这种零件的耗材量和其横截面积近似成正比，请帮刘铭计算一下他制作的零件的总耗材量的估计值．附：相关系数．

4 . 某校在一次强基计划模拟考试后，从全体考生中随机抽取52名，获取他们本次考试的数学成绩(x)和物理成绩（y），绘制成如图散点图：
   
根据散点图可以看出y与x之间有线性相关关系，但图中有两个异常点A，B．经调查得知，A考生由于重感冒导致物理考试发挥失常，B考生因故未能参加物理考试．为了使分析结果更科学准确，剔除这两组数据后，对剩下的数据作处理，得到一些统计的值：，，，，，其中，分别表示这50名考生的数学成绩､物理成绩，，2，…，50，y与x的相关系数．
(1)若不剔除A，B两名考生的数据，用52组数据作回归分析，设此时y与x的相关系数为r₀．试判断r₀与r的大小关系（不必说明理由）；
(2)求y关于x的线性回归方程（系数精确到0.01），并估计如果B考生加了这次物理考试（已知B考生的数学成绩为125分），物理成绩是多少？（精确到0.1）
附：线性回归方程中中：，．

5 . 某种产品的广告费用支出万元与销售额万元之间有如下的对应数据：

	2	4	5	6	8
	20	30	50	50	70

(1)根据上表提供的数据，求出关于的线性回归方程；
(2)据此估计广告费用为10万元时，所得的销售收入.
（参考数值：，，）

6 . 每年月中上旬是小麦的最佳种植时间，但小麦的发芽会受到土壤、气候等多方面因素的影响某科技小组为了解昼夜温差的大小与小麦发芽的多少之间的关系，在不同的温差下统计了颗小麦种子的发芽数，得到了如下数据：

温差
发芽数颗

(1)请根据统计的最后三组数据，求出关于的线性回归方程；
(2)若由（1）中的线性回归方程得到的估计值与前两组数据的实际值误差均不超过两颗，则认为线性回归方程是可靠的，试判断中得到的线性回归方程是否可靠．
附：在线性回归方程中，．

7 . 某中学学生会为了激发学生们对中国古典文学的爱好，提升古典文学素养，在暑假开学返校后的第一个月组织了一个古典文学研究协会，在接下来的四个月内，该协会的会员人数如表：

月份	第一个月	第二个月	第三个月	第四个月	第五个月
会员人数

(1)求会员人数与时间变量记第一个月为，第二个月为，，以此类推的线性回归方程；
(2)根据（1）中所求的线性回归方程，预测个月后，会员人数能否突破人．
参考公式：回归方程中斜率和截距的最小二乘估计公式分别为；．

8 . 近年来，新能源产业蓬勃发展，已成为一大支柱产业.据统计，某市一家新能源企业近5个月的产值如下表，由散点图知，该企业产值（亿元）与月份代码线性相关.

月份	6月	7月	8月	9月	10月
月份代码	1	2	3	4	5
产值（亿元	16	20	27	30	37

(1)求出关于的线性回归方程；
(2)根据（1）中的结果，预测明年2月份该企业的产值.
参考公式：.
参考数据：.